基于改进相似度与类中心向量的半监督短文本聚类算法

• 作者: 冉宏艳 李晓红 颜丽 马慧芳 龚继恒
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 强类别区分度 相似度 类中心向量 半监督聚类 短文本
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 1710-1716
• 页数: 7页
• 分类号: TP391.3
• 字数: 5760字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2018.09.025

摘要

通过分析现有短文本聚类算法的缺陷,提出了一种基于改进相似度与类中心向量的半监督短文本聚类算法.首先,定义强类别区分度词,利用已加标数据的类别信息提取并构造强类别区分度词集合,并对基于初始特征的余弦相似度和基于强类别区分度词项的相似度进行有效融合,得到更加合理的改进的短文本相似度计算公式.然后,通过计算样本与类中心向量的相似度实现对未分类样本的正确划分,与此同时,更新加标数据集合、类中心向量,重新抽取强类别区分度词.重复这个过程,直到实现所有数据的类别划分.实验表明:与其他同类算法相比,本文算法在聚类准确性和时间效率上有了较大的改进.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马慧芳	西北师范大学计算机科学与工程学院	59	520	12.0	21.0
2	李晓红	西北师范大学计算机科学与工程学院	22	136	6.0	11.0
3	冉宏艳	西北师范大学计算机科学与工程学院	1	1	1.0	1.0
4	龚继恒	西北师范大学计算机科学与工程学院	1	1	1.0	1.0
5	颜丽	西北师范大学计算机科学与工程学院	1	1	1.0	1.0